ニューラル ネットワークはパターンを学習していません。ノイズを記憶しているのです。

ニューラル ネットワークは株価指数を分析し、軌道を特定し、確実な上昇傾向を予測します。その後、市場は暴落し、モデルは完全に失敗します。アーキテクチャが単純すぎるからではありません。トレーニング データが小さすぎるためではありません。そもそも学習する信号がなかったからです。このビデオでは、予測できるデータと予測できないデータの間の数学的境界を解明し、最も洗練されたディープ ラーニング モデルが違いを見分けることができない場合に失敗する理由を説明します。学ぶ内容: 0:00 — ディープ ラーニングが自信を持って間違ったことを予測する理由 0:53 — ホワイト ノイズ: 純粋なランダム性の数学的ベースライン 1:55 — 酔っぱらいの散歩と金融データにそれ自体で構築されるメモリがある理由 2:43 — 人間の心理と機械学習アルゴリズムの両方を騙す視覚的錯覚 3:12 — ランダム ウォークでニューラル ネットワークをトレーニングすると実際に何が起こるか 3:45 — 効率的市場仮説とユージーンFama のフレームワーク 4:25 — 単純な予測が高効率システムの複雑なモデルに勝る理由 4:49 — ノイズと傾向が実際にどれだけ似ているかを証明する Python の 3 行 6:07 — いくら最適化しても超えられない構造境界 リポジトリ内の完全な Python スクリプト。自分のマシンでホワイト ノイズとランダム ウォークのシミュレーションを実行します。コード リポジトリ: https://github.com/NiketGirdhar22/time-series 前のビデオ: 定常性と ADF テスト: https://youtu.be/RmWrGKMWVgE?si=jb3MHdy1AUHddXfY 全シリーズ プレイリスト: https://youtube.com/playlist?list=PLguYZSl_jixxmzPOCNSisBAwyTAvobU3d&si=mWewadYWzOii_IyH 参考文献 Fama、EF (1970) — Efficient Capital Markets: A Review of Theory and Empirical Evidence Forecasting: Principles and Practice — Hyndman and Athanasopoulos NumPy ランダムおよび累積ドキュメント: numpy.org 透明性に関する注記 このビデオは、スクリプトの構造化、ナレーション、ビジュアルに AI 支援ツールを使用して制作されました。アイデア、編集方向、学習フレームワークは私たち独自のものです。 AI は、その背後にある思考としてではなく、生産層として使用されました。私たちのプロセスに関する質問はコメントで受け付けています。 #timeseries #データサイエンス #Python #機械学習 #ランダムウォーク #ホワイトノイズ #予測 #効率的な市場 #ニューラルネットワーク #深層学習 #株式市場 #データ分析 #Python を学ぶ